df[['W']] # 取‘W'列,返回类型是DataFrame df[['W','Y']] # 取‘W'列和‘Y'列 df.loc[:,'W':'Y'] # 取‘W'列到‘Y'列 二、根据行索引取某一行/多行 df.loc['a'] # 取‘a'行,返回类型是Series df.loc[['a']] # 取‘a'行,返回类型是DataFrame df.loc[['a','c']] # ...
print('选取【采集时间】列:\n', df.采集时间) 1. 4、loc和iloc行列选择 (1)loc用法 语法:df.loc[行索引名称或条件,列索引名称] loc是针对DataFrame索引名称的切片方式,必须传入的是索引名称,否则不能执行;且行索引不能为空,否则将失去意义。 第一种用法,行列索引同时都有: print('选取【采集时间】整列...
loc(index) 切片 iloc() DataFrame访问 访问对象一列或多列 访问DataFrame中的列很方便,因为DataFrame提供了特殊属性columns,通过具体的列名称,我们就可以轻松获取一列或多列数据。 import numpy as np import pandas as pd data1 = np.random.randint(1,10,9).reshape(3,3) df2 = pd.DataFrame(data1, colu...
df.loc[ '第一层索引名称' , '第二层索引名称' , '...' ] 1. 显示特定列:(索引处利用元组形式) df.loc[ ('第一层索引' , '第二层索引' , '...') , ] 1. 多个索引值:(需要先对DataFrame进行排序) df.loc[ ( '第一层索引' , ['xxx','xxx'] ) , ] 1. 排序操作: df.sort_index...
一、loc[]函数 loc: 接收的是行、列的名称或标签。 在切片是按闭区间切片,也就是区间两边都能取到。 二、iloc[]函数 iloc: 接收的是行、列的索引位置(下标,从0开始)。 按传统的左闭右开的的方式切片。 三、详细用法 创建用于测试的数据表dataframe: ...
一、loc函数的基本用法 1.1 通过标签进行定位 在DataFrame中,每行和每列都有一个唯一的标签,loc函数可以通过这些标签来定位具体的数据。对于一个名为df的DataFrame,我们可以使用df.loc[row_label, column_label]来获取指定行和列的数据。以以下DataFrame为例: ...
用df.va lue s 读取数据的前提是必须知道学生及科目的位置,非常麻烦 。而 df.loc 可直接通过行、列标题读取数据,使用起来更为方便 。 使用df.loc 的语法为: 行标题或列标题若是包含多个项目,则用小括号将项目括起来,项目之间以逗 号分隔,如“( ” 数学 ” , ” 自然 ”) ”;若要包含所有项目,则用冒...
对象first_row = data.loc[941] first_row 3.可以通过 index 和 values属性获取行索引和值 first_row.values # 获取Series中所有的值...# 查看df的dtypes属性,获取每一列的数据类型 df.dtypes df.info() Pandas...
df.loc[[1,5],['b','c']] 于这边我们没有命名index,所以是DataFrame自动赋予的,为数字0-9 二、如果我们嫌column name太长了,输入不方便,有或者index是一列时间序列,更不好输入,那就可以选择 .iloc了。这边的 i 我觉得代表index,比较好记点。
在Pandas的DataFrame中添加一行或者一列,添加行有df.loc[]以及df.append()这两种方法,添加列有df[]和df.insert()两种方法, 下面对这几种方法的使用进行简单介绍。 一、添加行 添加一行,采用loc[]方法 # 构造一个空的dataframeimportpandasaspd df=pd.DataFrame(columns=['name','number'])# 采用.loc的方法进...